Über 80 € Preisvorteil gegenüber Einzelkauf!
Mathe-eBooks im Sparpaket
Von Schülern, Studenten, Eltern und
Lehrern mit 4,86/5 Sternen bewertet.
47 PDF-Dateien mit über 5000 Seiten
inkl. 1 Jahr Updates für nur 29,99 €.
Ab dem 2. Jahr nur 14,99 €/Jahr.
Kündigung jederzeit mit wenigen Klicks.
Jetzt Mathebibel herunterladen

Wahrscheinlich­keits­verteilung

In diesem Kapitel schauen wir uns an, was eine Wahrscheinlichkeits­verteilung ist.

Erforderliches Vorwissen

Einsatzzweck 

Eine Wahrscheinlichkeits­verteilung (kurz: Verteilung) gibt an, wie sich die Wahrscheinlichkeiten auf die möglichen Werte einer Zufallsvariable verteilen.

Diskrete Verteilungen 

Die Wahrscheinlichkeits­verteilung einer diskreten Zufallsvariable lässt sich durch eine Wahrscheinlichkeits­funktion oder eine Verteilungsfunktion beschreiben.

Die Wahrscheinlichkeitsfunktion und die Verteilungsfunktion enthalten die gleiche Information. Der Unterschied besteht lediglich in der Darstellung dieser Information.

Beispiel 1 

Die Zufallsvariable $X$ sei die Augenzahl beim Wurf eines symmetrischen Würfels.

Es gibt sechs mögliche Realisationen:

$x_1 = 1$, $x_2 = 2$, $x_3 = 3$, $x_4 = 4$, $x_5 = 5$, $x_6 = 6$

Alle sechs Realisationen haben die gleiche Wahrscheinlichkeit:

$$ p_1 = p_2 = p_3 = p_4 = p_5 = p_6 = \frac{1}{6} $$

1) Wahrscheinlichkeits­funktion

$$ \begin{equation*} f(x) = \begin{cases} \frac{1}{6} & \text{für } x = 1 \\[5px] \frac{1}{6} & \text{für } x = 2 \\[5px] \frac{1}{6} & \text{für } x = 3 \\[5px] \frac{1}{6} & \text{für } x = 4 \\[5px] \frac{1}{6} & \text{für } x = 5 \\[5px] \frac{1}{6} & \text{für } x = 6 \\[5px] 0 & \text{sonst } \end{cases} \end{equation*} $$

Merke: $f(x) = P(X = x)$

Abb. 1 / Wahrscheinlichkeits­funktion 

2) Verteilungsfunktion

$$ \begin{equation*} F(x) = \begin{cases} 0 & \text{für } x < 1 \\[5px] \frac{1}{6} & \text{für } 1 \le x < 2 \\[5px] \frac{2}{6} & \text{für } 2 \le x < 3 \\[5px] \frac{3}{6} & \text{für } 3 \le x < 4 \\[5px] \frac{4}{6} & \text{für } 4 \le x < 5 \\[5px] \frac{5}{6} & \text{für } 5 \le x < 6 \\[5px] 1 & \text{für } x \ge 6 \end{cases} \end{equation*} $$

Merke: $F(x) = P(X \le x)$

Abb. 2 / Verteilungsfunktion 

Beispiele für diskrete Verteilungen

  • Binomialverteilung
  • Hypergeometrische Verteilung
  • Poisson-Verteilung

Stetige Verteilungen 

Die Wahrscheinlichkeits­verteilung einer stetigen Zufallsvariable lässt sich durch eine Dichtefunktion oder eine Verteilungsfunktion beschreiben.

Die Dichtefunktion und die Verteilungsfunktion enthalten die gleiche Information. Der Unterschied besteht lediglich in der Darstellung dieser Information.

Beispiel 2 

Ein Zufallsgenerator erzeugt zufällig eine Zahl zwischen 2,5 und 4,5.

1) Dichtefunktion

$$ \begin{equation*} f(x) = \begin{cases} 0 & \text{für } x < 2{,}5 \\[5px] \frac{1}{2} & \text{für } 2{,}5 \le x \le 4{,}5 \\[5px] 0 & \text{für } x > 4{,}5 \end{cases} \end{equation*} $$

Merke: $f(x) \neq P(X = x)$

Die Wahrscheinlichkeit, dass eine stetige Zufallsvariable $X$ einen bestimmten Wert $x$ annimmt, ist stets Null.
Folglich gilt: $P(X = x) = 0$

Abb. 3 / Dichtefunktion 

Aus der Dichtefunktion selbst lassen sich keine Wahrscheinlichkeiten ablesen. Die Dichtefunktion hat nur die Aufgabe, einen visuellen Eindruck der Verteilung zu vermitteln.

Bei stetigen Zufallsvariablen verwendet man deshalb zur Berechnung von Wahrscheinlichkeiten die entsprechende Verteilungsfunktion. Sie ergibt sich aus der Integration der Dichtefunktion:

$$ F(x) = P(X \le x) = \int_{-\infty}^{x} \! f(u) \, \textrm{d}u $$

Die Wahrscheinlichkeiten entsprechen also der jeweiligen Fläche unter dem Graphen der Dichtefunktion.

2) Verteilungsfunktion

$$ \begin{equation*} F(x) = \begin{cases} 0 & \text{für } x \le 2{,}5 \\[5px] \frac{1}{2}x-\frac{5}{4} & \text{für } 2{,}5 < x < 4{,}5 \\[5px] 1 & \text{für } x \geq 4{,}5 \end{cases} \end{equation*} $$

Merke: $F(x) = P(X \le x)$

Abb. 4 / Verteilungsfunktion 

Beispiele für stetige Verteilungen

  • Normalverteilung
  • Stetige Gleichverteilung
  • Exponentialverteilung

Maßzahlen 

Eine Wahrscheinlichkeitsverteilung lässt sich entweder durch eine

vollständig beschreiben.

Häufig ist eine vollständige Beschreibung der Verteilung gar nicht notwendig: Um sich einen groben Überblick über eine Verteilung zu verschaffen, betrachtet man einige charakteristische Maßzahlen. Dazu zählen u. a. der Erwartungswert, die Varianz und die Standardabweichung.

Noch Fragen? Logo von Easy-Tutor hilft!

Probestunde sichern